融合特征選擇的隨機森林DDoS攻擊檢測

摘要： 現(xiàn)有基于機器學(xué)習的分布式拒絕服務(wù)（DDoS）攻擊檢測方法在面對愈發(fā)復(fù)雜的網(wǎng)絡(luò)流量、不斷升維的數(shù)據(jù)結(jié)構(gòu)時，檢測難度和成本不斷上升。針對這些問題，提出一種融合特征選擇的隨機森林DDoS攻擊檢測方法。該方法選用基于基尼系數(shù)的平均不純度算法作為特征選擇算法，對DDoS異常流量樣本進行降維，以降低訓(xùn)練成本、提高訓(xùn)練精度；同時將特征選擇算法嵌入隨機森林的單個基學(xué)習器，將特征子集搜索范圍由全...